点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
点击进入—>CV微信技术交流群
萧箫 发自 凹非寺

转载自：量子位（QbitAI）
“对于Python而言，为什么TensorFlow正在慢慢死去？”
这篇观点尖锐的文章一出，就被LeCun的转发推向风口浪尖：
还能为啥，当然是因为PyTorch啊。
紧接着“PyTorch和TensorFlow谁更好？”这个经久不息的论战再次被掀起，网友们也纷纷开始从文章中找到共鸣、或予以反驳。
有TensorFlow深度使用者现身说法：现在我改用PyTorch了。
但也有尝试过好几种框架的网友表示：TensorFlow和Keras做快速实验更方便，而且TensorFlow看起来对Apple M1 GPU支持更好。
当然，在这里面也出现了一些独特的声音：
JAX不比这两个框架好多了？
所以，文章作者究竟是如何得出这一结论的？

“PyTorch统治学术论文”

这篇文章的作者Ari Joury，是法国索邦大学的粒子物理学博士生，但对将AI和机器学习方法应用在粒子物理学探索上很感兴趣。
作为一个Python爱好者，她在接触两种框架时察觉到了二者的区别。
好奇哪种框架目前关注度更高，她便对Stack Overflow上3种主流框架Keras、TensorFlow和PyTorch进行了一个统计：
简单来说，就是TensorFlow关注度更高，Keras陷入停滞甚至下降，而PyTorch虽然起步较晚，但这两年一直呈现关注度稳定上升的趋势。
（不过，也有网友认为文章中用Stack Overflow数据做论据，根本不能算是统计框架的“受欢迎度”，反而只能证明这些框架“让人困惑的程度”）
那么，为什么会得出“对Python爱好者来说，TensorFlow关注度会继续下降”这一结论？
Ari Joury给出了几大理由。
其一，PyTorch用起来“更Python”。
Ari Joury表示，她使用Python编写TensorFlow框架的工作量，可能是PyTorch的两倍，此外后者编写代码的感受比TensorFlow更自然。
其二，PyTorch可用模型更多，且更适合学生和研究者使用。
据统计，在HuggingFace中，85%的大模型框架是用PyTorch实现的。
剩余的框架中，除了多个框架实现以外，只有8%的大模型框架是通过TensorFlow实现的。
这意味着PyTorch在AI大模型研究者中受欢迎程度更高。
不止大模型，使用PyTorch实现论文研究框架的人，变得越来越多。
这一观点也在Papers with Code网站统计上得到了印证。
在代码开源的那些论文研究中，单从框架使用率来看，这4年来PyTorch占比正急剧上升。
PyTorch从最初和TensorFlow持平，到如今远超TensorFlow、稳定成为使用率第一（占比62%）的框架，相比之下TensorFlow占比只有4%：
其三，PyTorch的生态发展更快。
虽然目前TensorFlow在生态体系上发展比PyTorch更好，但从PyTorch使用增长情况来看，这一趋势将在不久的将来得到逆转。
当然，TensorFlow自身也有一些不可取代的优势，例如部署更方便（类似TensorFlow Serving和TensorFlow Lite的工具很多）、以及对其他语言的支持更好等。
毕竟目前对于JavaScript、Java、C++、Julia和Rust等语言来说，TensorFlow还是更好的选择。
PyTorch则基本以Python为中心，即使有个C++ API，但其他语言的整体支持仍然比不上TensorFlow。
因此Ari Joury最终认为，这两个框架的选择，很大程度上取决于用户对Python的喜爱程度。
所以，那些AI大牛们又是怎么站队的呢？

AI大牛们选择哪些框架？

除了Yann LeCun一直是PyTorch的深度支持者以外（毕竟是Meta的人），不少AI大牛也都表态过自己更看好的框架。
至少在几年前TensorFlow推出2.0的时候，“TF2.0和PyTorch谁更好”这个话题就已经开始了。
当时，前Kaggle总裁兼首席科学家、fast.ai创始人Jeremy Howard，更看好PyTorch框架。
Keras创始人François Chollet，则在这个话题中投了TensorFlow一票，当时他认为PyTorch会走向下坡路。
至少在2020年的时候，他的观点依旧如此：“如果你是PyTorch粉丝，我的工作与你无关。”
但如今来看，PyTorch依旧保持一个活跃的状态。
你更看好哪个深度学习框架呢？
参考链接：

[1]https://twitter.com/ylecun/status/1614186881171742720
[2]https://levelup.gitconnected.com/why-tensorflow-for-python-is-dying-a-slow-death-ba4dafcb37e6
[3]https://paperswithcode.com/trends
点击进入—>CV微信技术交流群
CVPR/ECCV 2022论文和代码下载
后台回复：CVPR2022，即可下载CVPR 2022论文和代码开源的论文合集
后台回复：ECCV2022，即可下载ECCV 2022论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer222，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer222，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看
继续阅读
阅读原文